跳到主要內容

臺灣博碩士論文加值系統

(44.210.149.205) 您好!臺灣時間:2024/04/16 19:54
字體大小: 字級放大   字級縮小   預設字形  
回查詢結果 :::

詳目顯示

: 
twitterline
研究生:陳歆翔
研究生(外文):Hsin Hsiang Chen
論文名稱:銀髮族身高及行走速度檢測系統
論文名稱(外文):The elder's heights and walking speeds detecting system.
指導教授:鍾乾癸鍾乾癸引用關係
指導教授(外文):C. G. Chung
學位類別:碩士
校院名稱:長庚大學
系所名稱:資訊工程學研究所
學門:工程學門
學類:電資工程學類
論文種類:學術論文
論文出版年:2009
畢業學年度:97
論文頁數:85
中文關鍵詞:人臉辨識多人身高速度人臉偵測銀髮族身高及行走速度檢測系統
外文關鍵詞:face recognitionmuti-peopleheightwalk speedface detectThe elder's heights and walking speeds detecting system
相關次數:
  • 被引用被引用:4
  • 點閱點閱:544
  • 評分評分:
  • 下載下載:98
  • 收藏至我的研究室書目清單書目收藏:2
我國健保經費目前有1/3是用在占人口比例約10%的老人身上。台灣地區人口年齡結構邁向高齡化,推估到了2050年,台灣65歲以上的老人將占人口比例37.5%,屆時健保制度將難以維繫,且數量已經萎縮的青壯年工作人口,還得照護為數龐大的老人,衍生的社會問題極為嚴峻。如何降低目前及未來的龐大健保支出,是國家重要課題。

使老人活的好、老的慢、病的輕,是人本社會關心的問題核心之一。為了根本解決高齡社會問題,必須從預防照護概念著手,評估老人健康狀況,及早發現老人健康異常,即時進行必要處理,以防演變成重大疾病。老人安養照護可由家庭、社區或專業安養機構提供,其中以與醫療院所結合的專業安養機構(例如:長庚養生文化村)更能實現醫療健康照護的環境。專業安養機構必須運用現代科技,提高安養照護品質,使入住老人安享晚年。

一般人運動體能高峰約在25歲,而全身老化現象,則是在35歲之後,至60歲時會更明確的在運動器官方面表露出來。可觀察到的運動器官老化現象等包括行走速度變慢、身高變矮等。長期追蹤老人身高與行走速度的資訊,可於健康異常狀況的時候,及早處置,避免惡化。

本研究以機構照護為研究環境,追蹤老人身高、速度的健康資訊,以對老人的生理系統做長期的監測。本研究運用Wi-Fi及影像處理技術,利用Wi-Fi技術辨識老人身份,利用監視系統捕捉老人日常活動影像,進而量測影像中的老人身高和行走速度資訊,並將老人身高和行走速度記錄於資料庫中。

累積老人生理資訊應進一步進行老人生理狀況分析,若某一量測項目超過異常門檻,則對醫療照護人員提出警訊,透過標準醫療照護作業流程,提供醫療照護異常處置,使居住在照護機構中的老人,能保持良好生理健康狀態,減緩老化速度,達到活的好、老的慢、病的輕的目的。
Taiwan is becoming as an aging society, how to keep most elderly good healthy condition is very important to aging society. Measuring the elderly health conditions is one approach to prevent the elderly suffering from heavy diseases. This research is measure the daily pace and height of elderly automatically to estimate his health condition.
A monitor system based on Wi-Fi tag and two cameras technology is designed to satisfy the above need. Using Wi-Fi tag and face recognition technique, this system can distinguish the elder’s identity. From the timing and height information at the arriving point and leaving point, this system can estimate the elders’ paces and heights. Based on the daily pace and height information of the elder, this system will analyze their change and send the warning information to the medical staff automatically. Then the medical staff will visit the elder to know the detail.
This system will be installed in Chang Gung Healthy and Culture Village to verify its usefulness. The effectiveness of the system will be proved by the data collected in the near future.
目錄

摘要 vi
Abstract viii
目錄 ix
圖目錄 xii
表目錄 xiv
第一章 緒論 - 1 -
1.1研究背景 - 1 -
1.2動機與目的 - 3 -
1.3論文架構 - 4 -
第二章 文獻探討 - 5 -
2.1 銀髮族相關議題探討 - 5 -
2.1.1 老年人的生理變化 - 5 -
2.1.2 高齡化的趨勢與影響 - 6 -
2.1.3長期照護服務與長庚養生文化村 - 11 -
2.2 Wi-Fi科技的應用 - 14 -
2.2.1 Wi-Fi技術定義 - 14 -
2.2.2 養生村Wi-Fi之應用說明 - 15 -
2.3 人影像偵測 - 16 -
2.3.1 影像偵測問題分析 - 16 -
2.3.2 人臉偵測 - 17 -
第三章 系統架構 - 21 -
3.1 系統概觀 - 21 -
3.2 系統流程 - 23 -
第四章 影像分析 - 25 -
4.1 畫面變動偵測 - 27 -
4.2 物件圈選 - 28 -
4.3 過小物件過濾 - 29 -
4.4 基準線過濾 - 30 -
4.5 重疊物件偵測 - 31 -
4.6 重疊物件分割 - 36 -
4.7 物件高度過濾 - 39 -
4.8 人臉位置異常過濾 - 41 -
第五章 身份辨識 - 42 -
5.1 身高辨識 - 44 -
5.2 人臉辨識 - 46 -
5.2.1 主成份分析原理 - 46 -
5.2.2 主成份分析步驟與計算 - 47 -
5.2.3 人臉定位 - 49 -
5.3 身高輔助辨識 - 55 -
第六章 身高與行走速度資訊量測與通報 - 56 -
6.1 身高資訊分析 - 56 -
6.2 行走速度資訊分析 - 58 -
6.3 趨勢分析與異常通報機制 - 62 -
第七章 結論與未來展望 - 66 -
7.1 結論 - 66 -
7.2 未來展望 - 66 -
Reference - 67 -


圖目錄

圖 2-1 各國65歲以上人口占總人口比率 - 9 -
圖 2-2 Wi-Fi網路架構 - 15 -
圖 2-3 Wi-Fi Tag資料內容一覽 - 16 -
圖 3-1 系統架構圖 - 22 -
圖 3-2 系統簡易流程 - 24 -
圖 4-1 影像分析流程 - 26 -
圖 4-2 (a)背景影像 (b)輸入影像 (c)背景相減 - 28 -
圖 4-3 物件圈選 - 29 -
圖 4-4 過濾過小物件 - 30 -
圖 4-5 基準線過濾 - 31 -
圖 4-6 圈選物件 - 34 -
圖 4-7 人臉圈選 - 35 -
圖 4-8 臉肩寬比 - 38 -
圖 4-9 側面行走狀況 - 40 -
圖 4-10 正面行走狀況 - 40 -
圖 5-1 身份辨識流程圖 - 43 -
圖 5-2 身高個數分佈 - 44 -
圖 5-3 人臉偵測 - 49 -
圖 5-4 人臉標記範圍 - 50 -
圖 5-5 人臉區塊比例 - 50 -
圖 5-6 人臉位置圈選 - 52 -
圖 5-7 人臉區塊二值化表示 - 52 -
圖 5-8 區域填空結果 - 52 -
圖 5-9 直方圖分析 - 53 -
圖 5-10 (a)一般人臉圖示 (b)人臉標示點水平投影 - 54 -
圖 5-11 眼睛候選位置 - 54 -
圖 5-12 人臉區塊與眼睛位置 - 54 -
圖 6-1 速度偵測架構 - 58 -
圖 6-2 (a)T0時刻偵測情形 (b)T1時刻偵測情形 - 60 -
圖 6-3 短暫時間(t)之定義架構 - 61 -
圖 6-4 身高資訊分佈圖 - 63 -
圖 6-5 身高趨勢圖 - 63 -
圖 6-6 趨勢圖 - 65 -


表目錄

表 2-1 我國高齡人口結構比例 - 7 -
表 2-2 扶養比 - 10 -
表 6-1 移動平均計算方式 - 62 -
Reference

[1]United Nations,World Population Prospects :The 2008 Revision Population Database, http://esa.un.org/unpp/index.asp?panel=1 ,2009。

[2]行政院經濟建設委員會,中華民國台灣97年至145年人口推計報告,http://www.cepd.gov.tw/,民國九十七年。

[3]中央健康保險局,全民健康保險統計動向-2005年,http://www.nhi.gov.tw/,民國九十四年。

[4]郭駿耀,〈人口老化與健保費率〉,長庚大學,碩士論文,民國93年。

[5]陳晶瑩,〈老年人之長期照護〉,《台灣老年學暨老年醫學會》,第7卷3期,2003。

[6]柴田博著,《圖解老人看護百科手冊》,楊宏儒譯,台北縣,玉樹圖書,民國八十四年。

[7]詹鼎正,《你應該知道的老年醫學》,台北市,台灣商務,民國九十六年。

[8]葉淑惠等編著,《老人照護指引-長期照護醫療健康小組適用》,台北市,偉華書局,民國九十一年。

[9]Kane,Robert L.等編著,《臨床老年醫學》,李鶴彰譯,台北市,麥格羅希爾出版:合記圖書總代理,民國九十二年。

[10]高淑芬等編著,《老人護理學》,台北市,永大書局,民國九十六年。

[11]中央健康保險局,全民健康保險雙月刊 第五十期,http://www.nhi.gov.tw/,民國九十三年。

[12]Ming-Hsuan Yang, David J. Kriegman, Narendra Ahuja, “Detecting faces in images: A survey”, IEEE Transactions on Pattern Analysis and Machine Intelligence, vol.24, no. 1, pp.34-58, 2002.

[13]Chiunhsiun Lin, Kuo-Chin Fan,“Human face detection using geometric triangle relationship”,Pattern Recognition, 2000. Proceedings. 15th International Conference , Volume: 2, pp.941 - 944 vol.2, Sept 2000.

[14]Zhi-fang Liu, Zhi-sheng You,A.K. Jain, Yun-qiong Wang, “Face detection and facial feature extraction in color image”, Computational Intelligence and Multimedia Applications, 2003.

[15]Henry A. Rowley, Shumeet Baluja, Takeo Kanade., “Neural Network-Based Face Detection”, IEEE Transactions on Pattern Analysis and Machine Intelligence, volume 20, number 1, pages 23-38, January 1998

[16]D.Anifantis, “A Neural Network Method For Accurate Face Detection on Arbitrary Images”, Wire Communications Laboratory , Univ . of Patras , 1999

[17]S. Miyazaki, H. Takano, and K. Nakamura, “Suitable Checkpoints of Features Surrounding the Eye for Eye Tracking Using Template Matching,” in Proc. the SICE Annual Conference, pp.356 – 360, Sep. 2007.

[18]M. H. Khosravi and R. Safabakhsh, “Human eye sclera detection and tracking using a modified time-adaptive self-organizing map,” Pattern Recognition, vol.41, Issue 8, pp. 2571-2593, Aug. 2008.

[19]L. Yuille, P. Hallinan, and D. S. Cohen. “Feature extraction from faces using deformable templates,” International Journal of Computer Vision 8(2): 99-111. 1992.

[20]M. Turk and A. Pentland, “Face Recognition Using Eigenfaces,” Proceedings of IEEE Conferecnce on Computer Vision and Pattern Recognition, June, 1991, pp.586-591.

[21]K. I. Kim, K. Jung and J. Kim, “Face Recognition Using Kernel Principal Component Analysis”, IEEE Signal Processing Letters, Vol. 9, No. 2, February,2002, pp.40-42.

[22]M. Soriano, B. Martinkauppi, S. Huovinen, and M. Laaksonen,“Using the Skin Locus to Cope with Changing Illumination Conditions in Color-Based Face Tracking,"Proc. IEEE Nordic Signal Processing Symposium, pp. 383-386, 2000.

[23]D. Gutchess, M. Trajkovic, and D. Lyons, “A Background Model Initialization Algorithm for Video Surveillance”, IEEE Conference,2001.

[24]金氏世界紀錄, http://www.guinnessworldrecords.com/zh/

[25]Y. C. Chung, J. M. Wang, and S. W. Chen, “ Progressive Background Image Generation”, Proceedings of 15th IPPR Conf. on Computer Vision, Graphics and Image Processing, pp 858-865, 2002.

[26]黃一庭,〈規則導向之多人人臉即時偵測〉,國立東華大學,碩士論文,民國91年。

[27]N. Christiani and J. Shawe-Taylor, “An Introduction to Support Vector Machines and Other Kernel-Based Learning Methods,” Cambridge University Press, 2000.

[28]A. M. Martínez and A. C. Kak, “PCA versus LDA,” IEEE Transactions on Pattern Analysis and Machine Intelligence, Vol. 23, No. 2, February , 2001, pp.228-233.

[29]D. W. Hansen and R. I. Hammoud, “An improved likelihood model for eye tracking,” Computer Vision and Image Understanding, Vol. 106, no. 2-3, pp.220-230, June 2007.

[30]T. Liang and H. K. Kwan, “Automatic Localization of Human Eyes in Complex Background,” IEEE International Symposium on Circuits and Systems, vol. 5, pp. 26-29,2002.

[31]H. C. Tan and Y. J. Zhang, “Detecting eye blink states by tracking iris and eyelids,” Pattern Recognition . 6, pp. 667-675, Apr. 2006.

[32]Zhang Xin, Xu Yanjun, Du Limin,“ Locating facial features with color information”, Inst. of Acoust., Acad. Sinica , Beijing ,China , ICSP ’98 Fourth International Conference on Signal Processing Proceedings, 1998, pp.889-892

[33]E. Osuna, R. Freund, and F. Girosi, “Training Support Vector Machines: An Application to Face Detection,” Proc. IEEE onf. Computer Vision and Pattern Recognition, pp. 130-136, 1997.
QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top